Global multicriteria optimization in weather routing

• Autorzy: Szłapczyńska J.

Warianty tytułu

PL

Wielokryterialna optymalizacja globalna w nawigacji meteorologicznej

• Języki publikacji: EN

Abstrakty

EN

Route optimization for ships may be defined as a constrained multicriteria optimization problem. This paper presents an already implemented solution to the problem based on a multicriteria evolutionary algorithm (SPEA) and a ranking method (Fuzzy TOPSIS). Research results of the solution indicate the necessity of reduction of total execution time of the algorithm. Thus, in the paper applicable alternative optimization methods in weather routing are reviewed and the most suitable methods are appointed in the final conclusions.

PL

Proces optymalizacji tras statku zdefiniować można jako wielokryterialne zadanie optymalizacyjne z ograniczeniami. W artykule prezentowane jest, zaimplementowane wcześniej, narzędzie służące do rozwiązywania zadania optymalizacji tras. Wykorzystuje ono dwa mechanizmy optymalizacji wielokryterialnej: ewolucyjny algorytm SPEA oraz metodę rankingową Fuzzy TOPSIS. Uzyskane wyniki badań prezentowanego narzędzia wskazują na konieczność redukcji łącznego czasu wykonania algorytmu. Dlatego też w artykule przedstawiono przegląd alternatywnych metod optymalizacji wielokryterialnej, możliwych do zastosowania w badanym przypadku. Dodatkowo podjęto próbę wskazania rozwiązania najkorzystniejszego z punktu wiedzenia rozpatrywanego problemu.

Słowa kluczowe

EN

global optimization; multicriteria optimization; weather routing

PL

optymalizacja globalna; optymalizacja wielokryterialna; nawigacja meteorologiczna

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2009
• Tom: Vol. 50, nr 11
• Strony: 27--30
• Opis fizyczny: Bibliogr. 15 poz.

Twórcy

autor

Szłapczyńska J.

• Akademia Morska w Gdyni, Wydział Nawigacyjny

Bibliografia

• [1] Perez J., Pazos R., Frausto J., et al.: Comparison and Selection of Exact and Heuristic Algorithms. Lecture Notes in Computer Science, vol. 3045, Springer-Verlag, pp. 415-424, 2004.
• [2] Szłapczyńska J., Śmierzchalski R.: Multiobjective Evolutionary Optimization with Constraints in Weather Routing. Polish Journal of Environmental Studies, vol. 17, no 4C, 2008.
• [3] Zitzler E., Thiele L.: Multiobjective Evolutionary Algorithms: A Comparative Case Study and the Strength Pareto Approach. IEEE Transactions on Evolutionary Computation no 3, vol. 4, pp. 257-271, 1999.
• [4] Deb K.: An Efficient Constraint-handling Method for Genetic Algorithms. Computer Methods in Applied Mechanics and Engineering, vol. 186(2-4), pp. 311-338, 2000.
• [5] Chu T. C., Lin Y. C.: A Fuzzy TOPSIS Method for Robot Selection. The International Journal of Advanced Manufacturing Technology, Springer-Verlag, 2003.
• [6] Szłapczyńska J.:, PhD thesis: Application of evolutionary algorithms and ranking methods in weather routing for a ship with hybrid propulsion. West Pomeranian University of Technology, Szczecin, 2009.
• [7] Coello C. A., Lamont G. B., Van Veldhuizen D. A.: Evolutionary Algorithms for Solving Multi-Objective Problems. Springer, 2007
• [8] Gonzalez O., Leon C., Miranda G. et al.: A Parallel Skeleton for the Strength Pareto Multiobjective Evolutionary Algorithm 2. Proceedings of 15th EUROMICRO International Conference on Parallel, Distributed and Network-Based Processing (PDP'07), pp. 434-441. IEEE Computer Society, 2007.
• [9] Mariano C. E., Morales E.: MOAQ an Ant-Q Algorithm for Multiple Objective Optimization Problems. Genetic and Evolutionary Computing Conference (GECCO 99), vol. 1, pp. 894-901, San Francisco, 1999.
• [10] Guntsch M., Middendorf M.: Solving Multi-criteria Optimization Problems with Population-Based ACO. Lecture Notes in Computer Science, vol. 2632, pp. 464-478, Springer, 2003.
• [11] Hansen M. P.: Use of Substitute Scalarizing Functions to Guide a Local Search Based Heuristic: The Case of moTSP. Journal of Heuristics, vol. 6, pp. 419-431, Kluwer Academic Publishers, 2000.
• [12] Armentano V. A., Arroyo J. E. C.: An Application of a Multi-Objective Tabu Search Algorithm to a Bicriteria Flowshop Problem. Journal of Heuristics, vol. 10, pp. 463-481, Kluwer Academic Publishers, 2004.
• [13] Suppapitnarm A., Seffen K. A., Parks, G. T. et al.: Simulated annealing: An alternative approach to true multiobjective optimization. Engineering Optimization, vol. 33, no 59, 2000.
• [14] Czyżak P., Jaszkiewicz, A.: Pareto simulated annealing - A metaheuristic technique for multiple-objective combinatorial optimization. Journal of Multicriteria Decision Analysis, vol. 7, no 34, 1998.
• [15] Suman, B.: Multiobjective simulated annealing - A metaheuristic technique for multiobjective optimization of a constrained problem. Foundations of Computing and Decision Sciences, vol. 27, no 171, 2002